電池技術(shù)發(fā)展至今，用來估算SOC的方法已經(jīng)出現(xiàn)了很多種，既有傳統(tǒng)的電流積分法、電池內(nèi)阻法、放電試驗(yàn)法、開路電壓法、負(fù)載電壓法，也有較為創(chuàng)新的Kalman濾波法、模糊邏輯理論法和神經(jīng)網(wǎng)絡(luò)法等，各種估算方法都有自己的優(yōu)缺點(diǎn)，下面對常用的幾種SOC方法進(jìn)行簡要介紹：

(1)電流積分法

電流積分法也叫安時(shí)計(jì)量法，是目前在電池管理系統(tǒng)領(lǐng)域中應(yīng)用較為普遍的SOC估算方法之一，其本質(zhì)是在電池進(jìn)行充電或放電時(shí)，通過累積充進(jìn)或放出的電量來估算電池的SOC，同時(shí)根據(jù)放電率和電池溫度對估算出的SOC進(jìn)行一定的補(bǔ)償。假如將電池在充放電初始狀態(tài)時(shí)的SOC值含義為SOCt0，那么t時(shí)刻后的電池剩余容量SOC則為：

式中，Q為電池額定容量，n為充放電效率，也叫庫侖效率，其值由電池充放電倍率和溫度影響系數(shù)決定，i為t時(shí)刻的電流。與其它SOC估算方法相比，電流積分法相對簡單可靠，并且可以動(dòng)態(tài)地估算電池的SOC值，因此被廣泛使用。但該方法也存在兩方面的局限性：其一，電流積分法要提前獲得電池的初始SOC值，并且要對流入或流出電池的電流進(jìn)行精確采集，才能使估算誤差盡可能小;其二，該方法只是以電池的外部特點(diǎn)作為SOC估算依據(jù)，在一定程度上忽視了電池自放電率、老化程度和充放電倍率對電池SOC的影響，長期使用也會(huì)導(dǎo)致測量誤差不斷累積擴(kuò)大，因此要引入相關(guān)修正系數(shù)對累積誤差進(jìn)行糾正。

(2)放電試驗(yàn)法

放電試驗(yàn)法是將目標(biāo)電池進(jìn)行持續(xù)的恒流放電直到電池的截止電壓，將此放電過程所用的時(shí)間乘以放電電流的大小值，即作為電池的剩余容量。該方法一般作為電池SOC估算的標(biāo)定方法或者用在蓄電池的后期維護(hù)工作上，在不了解電池SOC值的情況下采用此方法，相對簡單、可靠，并且結(jié)果也比較準(zhǔn)確，同時(shí)對不同種類的蓄電池都有效。但是放電試驗(yàn)法也存在兩點(diǎn)不足：第一，該方法的試驗(yàn)過程要花費(fèi)大量的時(shí)間;第二，使用此方法時(shí)要將目標(biāo)電池從電動(dòng)汽車上取下，因此該方法不能用來計(jì)算處于工作狀態(tài)下的動(dòng)力鋰電池。

(3)開路電壓法

開路電壓法是根據(jù)電池的開路電壓(OpenCircuitVoltage，OCV)與電池內(nèi)部鋰離子濃度之間的變化關(guān)系，間接地?cái)M合出它與電池SOC之間的一一對應(yīng)關(guān)系。在進(jìn)行實(shí)際操作時(shí)，要將電池充滿電量后以固定的放電倍率(一般取1C)進(jìn)行放電，直到電池的截止電壓時(shí)停止放電，根據(jù)該放電過程獲得OCV與SOC之間的關(guān)系曲線。當(dāng)電池處于實(shí)際工作狀態(tài)時(shí)便能根據(jù)電池兩端的電壓值，通過查找OCV-SOC關(guān)系表得到當(dāng)前的電池SOC。盡管該方法對各種蓄電池都有效，但也存在自身缺陷：首先，測量OCV前必須將目標(biāo)電池靜置1h以上，從而使電池內(nèi)部電解質(zhì)均勻分布以便獲得穩(wěn)定的端電壓;其次，電池處于不同溫度或不同壽命時(shí)期時(shí)，盡管開路電壓相同，但實(shí)際上的SOC可能差別較大，長期使用該方法其測量結(jié)果并不能保證完全準(zhǔn)確。因此，開路電壓法與放電試驗(yàn)法相同，并不適用于運(yùn)行中的電池SOC估算。

(4)Kalman濾波法

Kalman濾波法是美國數(shù)學(xué)家卡爾曼(R.E.Kalman)在上世紀(jì)60年代初發(fā)表的論文《線性濾波和預(yù)測理論的新成果》中提出的一種新型最優(yōu)化自回歸數(shù)據(jù)濾波算法。該算法的本質(zhì)在于可以根據(jù)最小均方差原則，對復(fù)雜動(dòng)態(tài)系統(tǒng)的狀態(tài)做出最優(yōu)化估計(jì)。非線性的動(dòng)態(tài)系統(tǒng)在卡爾曼濾波法中會(huì)被線性化成系統(tǒng)的狀態(tài)空間模型，在實(shí)際應(yīng)用時(shí)系統(tǒng)根據(jù)前一時(shí)刻的估算值與當(dāng)前時(shí)刻的觀測值對要求取的狀態(tài)變量進(jìn)行更新，遵循預(yù)測實(shí)測修正的模式，消除系統(tǒng)隨機(jī)存在的偏差與干擾。使用Kalman濾波法估算動(dòng)力鋰電池的SOC時(shí)，電池以動(dòng)力系統(tǒng)的形式被轉(zhuǎn)化為狀態(tài)空間模型，SOC則變成為了該模型內(nèi)部的一個(gè)狀態(tài)變量。建立的系統(tǒng)是一個(gè)線性離散系統(tǒng)。

由于Kalman濾波法不僅能夠修正系統(tǒng)初始誤差，還能有效地抑制系統(tǒng)噪聲，因此在運(yùn)行工況非常復(fù)雜的電動(dòng)汽車動(dòng)力鋰電池的SOC估算中，具有顯著的應(yīng)用價(jià)值。不過該方法同樣存在兩點(diǎn)缺陷：其一，Kalman濾波法估算SOC的精度很大程度上取決于電池模型的準(zhǔn)確程度，工作特性本身就呈高度非線性化的動(dòng)力鋰電池，在Kalman濾波法中經(jīng)過線性化處理后難免存在誤差，假如模型建立得不夠準(zhǔn)確，其估算的結(jié)果也并不一定可靠;其二，該方法涉及的算法非常復(fù)雜，計(jì)算量極大，所要的計(jì)算周期較長，并且對硬件性能要求苛刻。

(5)神經(jīng)網(wǎng)絡(luò)法

神經(jīng)網(wǎng)絡(luò)法是模擬人腦及其神經(jīng)元用以處理非線性系統(tǒng)的新型算法，無需深入研究電池的內(nèi)部結(jié)構(gòu)，只需提前從目標(biāo)電池中提取出大量符合其工作特性的輸入與輸出樣本，并將其輸入到使用該方法所建立系統(tǒng)中，就能獲得運(yùn)行中的SOC值。該方法后期處理相對簡單，即能有效防止Kalman濾波法中要將電池模型作線性化處理后帶來的誤差，又能實(shí)時(shí)地獲取電池的動(dòng)態(tài)參數(shù)。但是神經(jīng)網(wǎng)絡(luò)法的前期工作量比較大，要提取大量且全面的目標(biāo)樣本數(shù)據(jù)對系統(tǒng)進(jìn)行訓(xùn)練，所輸入的訓(xùn)練數(shù)據(jù)和訓(xùn)練的方式方法在很大程度上都會(huì)影響SOC的估計(jì)精度。此外，在電池溫度、自放電率和電池老化程度不統(tǒng)一等因素的復(fù)雜用途下，長期使用該方法估算同一組電池的SOC值，其準(zhǔn)確性也會(huì)大打折扣。因此，在動(dòng)力鋰電池的SOC估算工作中該方法并不多見。